心血管疾病具有高發(fā)病率、高致死率、高復(fù)發(fā)率的特點,在全球范圍內(nèi)已成為致死率排第一位的疾病,每年因其致死的人數(shù)約占全球總死亡人數(shù)的31%,且患有心血管疾病的人數(shù)還在日益增多,并呈現(xiàn)出年輕化趨勢,對人類身體健康造成了嚴(yán)重的威脅。心電圖作為記錄人體心臟電活動的一種圖形技術(shù),因其無創(chuàng)性特點,已成為心血管疾病檢測和診斷的重要方法之一。然而,其在采集過程中會受到各種干擾,導(dǎo)致采集到的心電信號存在波形失真的問題,在一定程度上影響病情的分析和診斷。因此,解決心電信號去噪問題具有重要意義。為了減少心電噪聲影響,本文提出基于卷積自編碼神經(jīng)網(wǎng)絡(luò)的心電信號降噪算法。論文主要內(nèi)容如下:(1)提出了基于卷積自編碼神經(jīng)網(wǎng)絡(luò)的心電信號降噪算法。將卷積神經(jīng)網(wǎng)絡(luò)和自編碼器相結(jié)合,利用自編碼器的編碼、解碼特性,通過卷積的方法構(gòu)建深層神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)從含噪心電信號到干凈心電信號的端對端映射,以端對端的方式學(xué)習(xí)完整的卷積和反卷積映射,從含噪的心電信號中得到干凈的心電信號,以完成心電信號的噪聲去除。結(jié)果表明,基于卷積自編碼神經(jīng)網(wǎng)絡(luò)的降噪算法取得了較好的去噪效果,而且對蘊含豐富病理信息的變異性心拍的噪聲濾除也有一定的優(yōu)勢。(2)針對...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景及研究意義
    1.2 心電信號降噪技術(shù)研究現(xiàn)狀
    1.3 論文內(nèi)容安排
第2章 心電信號相關(guān)知識及神經(jīng)網(wǎng)絡(luò)理論
    2.1 心電信號相關(guān)知識
        2.1.1 正常心電信號波形及意義
        2.1.2 心電信號噪聲類型
        2.1.3 心電信號數(shù)據(jù)庫
    2.2 神經(jīng)網(wǎng)絡(luò)理論
        2.2.1 自編碼器
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 本章小結(jié)
第3章 基于卷積自編碼神經(jīng)網(wǎng)絡(luò)的心電信號降噪算法
    3.1 引言
    3.2 卷積自編碼神經(jīng)網(wǎng)絡(luò)的心電信號降噪
        3.2.1 編碼
        3.2.2 解碼
        3.2.3 卷積自編碼神經(jīng)網(wǎng)絡(luò)的優(yōu)化
    3.3 算法驗證和結(jié)果分析
        3.3.1 實驗數(shù)據(jù)
        3.3.2 心電信號去噪評價標(biāo)準(zhǔn)
        3.3.3 降噪結(jié)果分析
        3.3.4 本文算法針對變異性心拍的降噪優(yōu)勢
        3.3.5 實驗結(jié)論
    3.4 本章小結(jié)
第4章 基于卷積自編碼神經(jīng)網(wǎng)絡(luò)的心電信號盲降噪
    4.1 引言
    4.2 心電信號盲降噪算法的整體框架
    4.3 心電信號噪聲分類
        4.3.1 心電信號低頻分量噪聲的檢測和分類
        4.3.2 心電信號高頻分量噪聲的檢測和分類
    4.4 基于噪聲類型分類后的心電信號盲降噪
    4.5 算法驗證和結(jié)果分析
        4.5.1 噪聲分類結(jié)果分析
        4.5.2 心電信號盲降噪結(jié)果分析
        4.5.3 實驗結(jié)論
    4.6 本章小結(jié)
第5章 心電降噪算法的應(yīng)用
    5.1 心電監(jiān)護平臺
        5.1.1 心電信號采集
        5.1.2 心電云系統(tǒng)
    5.2 本文算法在心電監(jiān)護平臺的應(yīng)用
    5.3 本章小結(jié)
第6章 總結(jié)和展望
    6.1 工作總結(jié)
    6.2 后期展望
參考文獻
致謝
攻讀碩士學(xué)位期間發(fā)表論文情況



本文編號：3819103